第五章 高級特性
5.1 切片（slice）
取一個list或者tuple的部分元素
（1）取前N個元素：L[0：N],代表[0,N），不含第N個元素
（2）如果第一個元素是0，還可以省略：L[:N]
（3）也可以從第i個元素開始：L[i：N]
（4）支持倒數切片：L[-2：] 最後兩個元素
（5）每隔5個取一個：L[::5]
（6）什麼都不寫，就可以原樣複製一個list：L[:]
（7）前11-20個數：L[10：20]
（8）後10個數：L[-10：]
（9）前10個數，每兩個取一個：L[:10：2]
（10） tuple也是一種list，區別是tuple不可變，tuple也可以用於切片操作，結果是tuple
（11） 字符串也看做是一種list，操作結果是字符串
【小結】
有了切片操作，很多地方循環就不再需要了。Python的切片非常靈活，一行代碼就可以實現很多行循環才能完成的操作。
5.2 迭代
（1）在Python中，迭代是通過for ... in來完成的
Python的for循環抽象程度要高於Java的for循環，因爲Python的for循環不僅可以用在list或tuple上，還可以作用在其他可迭代對象上。
list這種數據類型雖然有下標，但很多其他數據類型是沒有下標的，但是，只要是可迭代對象，無論有無下標，都可以迭代，比如dict就可以迭代：
>>> d = {'a': 1, 'b': 2, 'c': 3}
>>> for key in d:
print(key)
（2）默認情況下，dict迭代的是key。
如果要迭代value，可以用for value ind.values()；
如果要同時迭代key和value，可以用for k, v in d.items()。
（3）由於字符串也是可迭代對象，因此，也可以作用於for循環：
>>> for ch in 'ABC':
print(ch)
（4）如何判斷一個對象是可迭代對象呢？方法是通過collections模塊的Iterable類型判斷：
>>> from collections import Iterable
>>> isinstance('abc', Iterable) # str是否可迭代
True
>>> isinstance([1,2,3], Iterable) # list是否可迭代
True
>>> isinstance(123, Iterable) # 整數是否可迭代
False
（5）如果要對list實現類似Java那樣的下標循環怎麼辦？Python內置的enumerate函數可以把一個list變成索引-元素對，這樣就可以在for循環中同時迭代索引和元素本身：
>>> for i, value in enumerate(['A', 'B', 'C']):
print(i, value)
0 A
1 B
2 C
上面的for循環裏，同時引用了兩個變量，在Python裏是很常見的，比如下面的代碼：
>>> for x, y in [(1, 1), (2, 4), (3, 9)]:
... print(x, y)
...
1 1
2 4
3 9
【小結】：
任何可迭代對象都可以作用於for循環，包括我們自定義的數據類型，只要符合迭代條件，就可以使用for循環。
5.3 列表生成式
1、列表生成式即List Comprehensions，是Python內置的非常簡單卻強大的可以用來創建list的生成式。
舉個例子，要生成list [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]可以用list(range(1,11))：
但如果要生成[1x1,2x2, 3x3, ..., 10x10]怎麼做？方法一是循環：
>>> L = []
>>> for x inrange(1, 11):
... L.append(x * x)
...
>>> L
[1, 4, 9, 16, 25, 36, 49, 64,81, 100]
但是循環太繁瑣，而列表生成式則可以用一行語句代替循環生成上面的list：
>>> [x * x for x in range(1, 11)]
[1, 4, 9, 16, 25, 36, 49, 64,81, 100]
寫列表生成式時，把要生成的元素x * x放到前面，後面跟for循環，就可以把list創建出來，十分有用，多寫幾次，很快就可以熟悉這種語法。
for循環後面還可以加上if判斷，這樣我們就可以篩選出僅偶數的平方：
>>> [x * x for x inrange(1, 11) if x % 2 == 0]
[4, 16, 36, 64, 100]
還可以使用兩層循環，可以生成全排列：
>>> [m + n for m in'ABC' for n in 'XYZ']
['AX', 'AY', 'AZ', 'BX','BY', 'BZ', 'CX', 'CY', 'CZ']
三層和三層以上的循環就很少用到了。
2、運用列表生成式，可以寫出非常簡潔的代碼。例如，列出當前目錄下的所有文件和目錄名，可以通過一行代碼實現：
>>> import os # 導入os模塊，模塊的概念後面講到
>>> [d for d in os.listdir('.')] # os.listdir可以列出文件和目錄
['.emacs.d', '.ssh', '.Trash', 'Adlm', 'Applications','Desktop', 'Documents', 'Downloads', 'Library', 'Movies', 'Music', 'Pictures','Public', 'VirtualBox VMs', 'Workspace', 'XCode']
for循環其實可以同時使用兩個甚至多個變量，比如dict的items()可以同時迭代key和value：
>>> d = {'x': 'A', 'y': 'B', 'z': 'C' }
>>> for k, v in d.items():
print(k, '=', v)
y = B
x = A
z = C
因此，列表生成式也可以使用兩個變量來生成list：
>>> d = {'x': 'A','y': 'B', 'z': 'C' }
>>> [k + '=' + v for k, v in d.items()]
['y=B', 'x=A', 'z=C']
3、最後把一個list中所有的字符串變成小寫：
>>> L = ['Hello','World', 'IBM', 'Apple']
>>> [s.lower() for sin L]
['hello', 'world', 'ibm','apple']
4、使用內建的isinstance函數可以判斷一個變量是不是字符串、數字等
5.4 生成器
1、在Python中，這種一邊循環一邊計算的機制，稱爲生成器：generator。
要創建一個generator，有很多種方法。第一種方法很簡單，只要把一個列表生成式的[]改成()，就創建了一個generator：
>>> L = [x * x for xin range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49,64, 81]
>>> g = (x * x for xin range(10))
>>> g
<generator object<genexpr> at 0x1022ef630>
generator保存的是算法，每次調用next(g)，就計算出g的下一個元素的值，直到計算到最後一個元素，沒有更多的元素時，拋出StopIteration的錯誤。
使用for循環，因爲generator也是可迭代對象：
>>> g = (x * x for x in range(10))
>>> for n in g:
... print(n)
所以，我們創建了一個generator後，基本上永遠不會調用next()，而是通過for循環來迭代它，並且不需要關心StopIteration的錯誤。
2、generator非常強大。如果推算的算法比較複雜，用類似列表生成式的for循環無法實現的時候，還可以用函數來實現。
斐波拉契數列用列表生成式寫不出來，但是，用函數把它打印出來卻很容易：
def fib(max):
n, a, b = 0, 0, 1
while n < max:
print(b)
a, b = b, a + b
n = n + 1
return 'done'
注意，賦值語句：
a, b = b, a + b
相當於：（a,b）=(b,a+b)
即t=(b,a+b)
a=t[0];b=t[1]
可以看出，fib函數實際上是定義了斐波拉契數列的推算規則，可以從第一個元素開始，推算出後續任意的元素，這種邏輯其實非常類似generator。
也就是說，上面的函數和generator僅一步之遙。
要把fib函數變成generator，只需要把print(b)改爲yield b就可以了：
def fib(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n = n + 1
return 'done'
這就是定義generator的另一種方法。
如果一個函數定義中包含yield關鍵字，那麼這個函數就不再是一個普通函數，而是一個generator：
>>> f = fib(6)
>>> f
<generator object fib at 0x104feaaa0>
這裏，最難理解的就是generator和函數的執行流程不一樣。函數是順序執行，遇到return語句或者最後一行函數語句就返回。而變成generator的函數，在每次調用next()的時候執行，遇到yield語句返回，再次執行時從上次返回的yield語句處繼續執行。
def odd():
print('step 1')
yield 1
print('step 2')
yield(3)
print('step 3')
yield(5)
調用該generator時，首先要生成一個generator對象，然後用next()函數不斷獲得下一個返回值：
>>> o = odd()
>>> next(o)
step 1
1
>>> next(o)
step 2
3
>>> next(o)
step 3
5
>>> next(o)
Traceback (most recent call last):
File"<stdin>", line 1, in <module>
StopIteration
可以看到，odd不是普通函數，而是generator，在執行過程中，遇到yield就中斷，下次又繼續執行。執行3次yield後，已經沒有yield可以執行了，所以，第4次調用next(o)就報錯。
回到fib的例子，我們在循環過程中不斷調用yield，就會不斷中斷。當然要給循環設置一個條件來退出循環，不然就會產生一個無限數列出來。
【小結】
generator是非常強大的工具，在Python中，可以簡單地把列表生成式改成generator，也可以通過函數實現複雜邏輯的generator。
要理解generator的工作原理，它是在for循環的過程中不斷計算出下一個元素，並在適當的條件結束for循環。對於函數改成的generator來說，遇到return語句或者執行到函數體最後一行語句，就是結束generator的指令，for循環隨之結束。
請注意區分普通函數和generator函數，普通函數調用直接返回結果：
>>> r = abs(6)
>>> r
6
generator函數的“調用”實際返回一個generator對象：
>>> g = fib(6)
>>> g
<generator object fib at 0x1022ef948>
5.5 迭代器
1、我們已經知道，可以直接作用於for循環的數據類型有以下幾種：
一類是集合數據類型，如list、tuple、dict、set、str等；
一類是generator，包括生成器和帶yield的generator function。
這些可以直接作用於for循環的對象統稱爲可迭代對象：Iterable。
可以使用isinstance()判斷一個對象是否是Iterable對象：
>>> from collections import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance({}, Iterable)
True
>>> isinstance('abc', Iterable)
True
>>> isinstance((x for x in range(10)), Iterable)
True
>>> isinstance(100, Iterable)
False
2、而生成器不但可以作用於for循環，還可以被next()函數不斷調用並返回下一個值，直到最後拋出StopIteration錯誤表示無法繼續返回下一個值了。
可以被next()函數調用並不斷返回下一個值的對象稱爲迭代器：Iterator。
可以使用isinstance()判斷一個對象是否是Iterator對象：
>>> from collections import Iterator
>>> isinstance((x for x in range(10)), Iterator)
True
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance('abc', Iterator)
False
3、生成器都是Iterator對象，但list、dict、str雖然是Iterable，卻不是Iterator。
把list、dict、str等Iterable變成Iterator可以使用iter()函數：
>>> isinstance(iter([]), Iterator)
True
>>> isinstance(iter('abc'), Iterator)
True
你可能會問，爲什麼list、dict、str等數據類型不是Iterator？
這是因爲Python的Iterator對象表示的是一個數據流，Iterator對象可以被next()函數調用並不斷返回下一個數據，直到沒有數據時拋出StopIteration錯誤。可以把這個數據流看做是一個有序序列，但我們卻不能提前知道序列的長度，只能不斷通過next()函數實現按需計算下一個數據，所以Iterator的計算是惰性的，只有在需要返回下一個數據時它纔會計算。
Iterator甚至可以表示一個無限大的數據流，例如全體自然數。而使用list是永遠不可能存儲全體自然數的。
【小結】
（1) 凡是可作用於for循環的對象都是Iterable類型；
（2) 凡是可作用於next()函數的對象都是Iterator類型，它們表示一個惰性計算的序列；
（3) 集合數據類型如list、dict、str等是Iterable但不是Iterator，不過可以通過iter()函數獲得一個Iterator對象。
（4) Python的for循環本質上就是通過不斷調用next()函數實現的，例如：
for x in [1, 2, 3, 4, 5]:
pass
實際上完全等價於：
# 首先獲得Iterator對象:
it = iter([1, 2, 3, 4, 5])
# 循環:
while True:
try:
# 獲得下一個值:
x = next(it)
except StopIteration:
# 遇到StopIteration就退出循環
break
